基于深度传感器的杂乱场景实时人数统计基准数据与方法
计算机视觉与模式识别
2018-10-30 v2
摘要
基于视觉的自动人数统计在智能交通系统、安全和物流中有广泛应用。然而，目前尚无用于该问题基准评测的大规模公开数据集。本工作通过引入首个真实世界 RGB-D 人数统计数据集（PCDS）填补了这一空白，该数据集包含在正常与杂乱条件下于公交车门处录制的超过 4500 段视频。我们还提出了一种利用深度视频统计公共交通相关真实杂乱场景中人数的高效方法。所提方法从深度视频帧计算点云并将其重投影至地平面以归一化深度信息。对所得深度图像进行分析以识别潜在的人头。利用 3D 人体模型对人头候选框进行精细筛选。连续视频流各帧中的候选框被跟踪以追踪其轨迹。轨迹再次被细化以确定可靠计数。最终通过累计离开场景的人头轨迹完成人数统计。为实现有效的人头与轨迹识别，我们还提出了两种不同的复合特征。在 PCDS 上的充分评估表明，我们的技术能以高准确率在 1.7 GHz 处理器上以 45 fps 统计杂乱场景中的人数，因此可部署于智能交通系统的有效实时人数统计。
引用
@article{arxiv.1804.04339,
title = {Benchmark data and method for real-time people counting in cluttered scenes using depth sensors},
author = {ShiJie Sun and Naveed Akhtar and HuanSheng Song and ChaoYang Zhang and JianXin Li and Ajmal Mian},
journal= {arXiv preprint arXiv:1804.04339},
year = {2018}
}
备注
Submitted to a journal